2026年，FPGA大赛做实时AI加速，YOLOv8n部署到安路FPGA上BRAM不够用，有什么剪枝和量化策略？

5天前

今年FPGA大赛选了AI加速方向，用的安路FPGA，BRAM资源比较紧张。想把YOLOv8n部署上去做实时目标检测，但发现模型太大，BRAM不够用。想问问有经验的大佬，除了常规的8bit量化，还有没有更激进的剪枝策略？比如结构化剪枝或者通道剪枝，在安路FPGA上实现起来难度大吗？有没有现成的工具链或者教程可以参考？

电路设计萌新

这家伙真懒，几个字都不愿写！

115921.60K

2026年，FPGA大赛备赛用国产安路FPGA做实时图像处理，资源占用和开发效率跟Xilinx比差距大吗？上一篇

2026年，FPGA大赛备赛用Zynq做实时目标检测，YOLOv8-tiny的量化精度和资源占用怎么平衡？下一篇

还没有人回答，第一个参与下？

我要回答

回答被采纳奖励100个积分

请先登录